平均勞動附加價值之估計

表 6-5 為對於 AVL 的估計，不論何種模型，當外勞佔本勞比例 lnFL_L2 越高時其平 均勞動產出顯著下降，且不管控制產業、年份與否，相對應模型的係數值差異不大。模 型(1)至(4) lnFL_L2 係數由-0.112 加入 fl_emp 等虛擬變數後上升為-0.126，再依序加上工 廠、員工特性後下降為-0.0439、-0.0324；模型(5)至(8) lnFL_L2 係數則依序為-0.111、

-0.126、-0.0460、-0.0347，隨著加入外勞虛擬變數而加深外勞比對於生產力的傷害，而 隨工廠、員工特性加入陸續減緩。為探討雇用外勞比例與其他變數的相關性，設立表6-6。

對照依序加入的各變數係數變化可知，廠齡越高、規模越小、工資分散度越大、年紀越 大、男性比例越低、人力資本越低的工廠伴隨著其外勞佔本勞的比例越高。而在控制這 些足以影響外勞比例 lnFL_L2 的變數之後，模型(8)即可看出外勞比例的 AVL 彈性為 -0.0347，代表當工廠的 FL_L 上升 1%其 AVL 下降 0.0347%，相對於資本密集度的彈性 0.186 而言約佔其 18.66%，即當外勞比上升 1%對 AVL 帶來的傷害相當於降低 0.1866%

資本密集度的影響。

外勞虛擬變數：fl_emp 跟附加價值的估計一樣，表 6-5 中不論模型 fl_emp 皆呈現正 向，且導致lnFL_L 係數負向的程度更大。再次驗證工廠、員工變數對於 fl_emp 的影響，

由表 6-6 可看出廠齡越高、規模越大、工資分散度越低、年齡層越低、男性比越高、人 力資本越低伴隨著雇用外勞機率較高，然而規模、年齡則對fl_emp 係數影響較大。在控 制這些變數後，模型(8)中 fl_emp 的係數為 0.305，代表雇用外勞的工廠較沒雇用外勞者 其AVL 高出 30.5%；ex_fl 在不同模型下維持負向顯著，模型(8)可看出其係數為-0.0302，

代表雇用外勞工廠隸屬於「超過缺工」的中行業時，其 AVL 將下降 3.02%；產業變數 info_elec_fl、metal_fl、chemical_fl 可看出在雇用外勞對於 AVL 的效果上，民生工業與資 訊電子工業差異不顯著，其次為化學工業，最差者為金屬機械工業，與附加價值的估計 不太符合，資訊電子業從最後一名跑到第一。綜合以上虛擬變數可知，雇用外勞「超越 缺工」的民生、資訊電子工業提升其AVL 達 27.48%、化學工業為 23.66%、金屬機械工 業為21.62%。

其餘變數亦皆具顯著性，且其係數不隨著有無控制產業、年份而變換方向，以模型 (8)說明：廠齡 lnAGE 係數-0.0233 代表工廠營運年數增加 1%將使 AVL 降低 0.0233%；

small_firm 係數為-0.104、large_firm 係數為 0.173，代表大廠商相對於小廠商而言將使 AVL 提升 27.7%；工資分散度 wdispersion 係數為-0.131，乘上分散的全距 0.7114，代

57

表工資分散度最高者較完全不分散的 AVL 下降約 9.32%；中壯年比例 age3055r 係數為 -0.0864、老年比例 age55r 係數為-0.373，代表相對於 30 歲以下的青年比例，中壯年比 例每上升 1%導致 AVL 下降 0.0864%，年老比例則將導致下降 0.373%；男性比係數為 0.180，代表男性比每上升 1%使 AVL 上升 0.180%；人力資本係數則為 0.433，相對於全 數國中以下全數由大專以上學歷員工組成的工廠其AVL 高出 43.3%，而相對於全數員工 為國中到專科之間則提升25.98%。與附加價值的估計比較，可發現各變數的估計方向皆 一致，規模、工資分散、員工變數分別符合 Idson and Oi (1999)、Akerlof and Yellen (1990)、Haltiwanger et al. (1999)的理論或實證結果。

58

表6-5：製造業廠商勞動生產力之估計結果(以平均勞動附加價值, AVL 表示)

方程式 (1) (2) (3) (4) (5) (6) (7) (8)

解釋變數 lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL

lnKL 0.221*** 0.202*** 0.200*** 0.189*** 0.215*** 0.198*** 0.195*** 0.186***

[0.00184] [0.00182] [0.00181] [0.00177] [0.00183] [0.00181] [0.00180] [0.00177]

lnFL_L2 -0.112*** -0.126*** -0.0439*** -0.0324*** -0.111*** -0.126*** -0.0460*** -0.0347***

[0.00239] [0.00236] [0.00397] [0.00393] [0.00238] [0.00234] [0.00395] [0.00393]

fl_emp 0.401*** 0.247*** 0.272*** 0.464*** 0.313*** 0.305***

[0.0105] [0.0117] [0.0116] [0.0119] [0.0129] [0.0128]

ex_fl -0.0866*** -0.0720*** -0.0762*** -0.0392*** -0.0305*** -0.0302***

[0.00975] [0.00948] [0.00936] [0.0101] [0.00983] [0.00972]

info_elec_fl 0.206*** 0.176*** 0.138*** 0.0434** 0.0358* 0.0254 [0.0179] [0.0174] [0.0172] [0.0204] [0.0200] [0.0198]

metal_fl 0.124*** 0.132*** 0.0911*** -0.0675*** -0.0565*** -0.0586***

[0.0107] [0.0104] [0.0103] [0.0122] [0.0120] [0.0118]

chemical_fl -0.00203 0.00928 -0.018 -0.0414*** -0.0342** -0.0382***

[0.0122] [0.0119] [0.0117] [0.0141] [0.0138] [0.0136]

lnAGE -0.0589*** -0.0254*** -0.0516*** -0.0233***

[0.00342] [0.00356] [0.00338] [0.00349]

small_firm -0.119*** -0.112*** -0.110*** -0.104***

[0.00659] [0.00656] [0.00659] [0.00656]

large_firm 0.173*** 0.171*** 0.178*** 0.173***

[0.00605] [0.00597] [0.00600] [0.00593]

wdispersion -0.173*** -0.119*** -0.187*** -0.131***

[0.0150] [0.0147] [0.0149] [0.0147]

age3055r -0.0964*** -0.0864***

[0.0107] [0.0107]

age55r -0.406*** -0.373***

[0.0158] [0.0160]

avg_male 0.244*** 0.180***

[0.00928] [0.0101]

human_cap 0.428*** 0.433***

[0.0196] [0.0196]

控制二欄位行 業別及年度別 虛擬變數

no no no no yes yes yes yes

Constant 4.865*** 4.894*** 5.307*** 4.755*** 4.683*** 4.726*** 5.116*** 4.606***

[0.0143] [0.0142] [0.0193] [0.0319] [0.0182] [0.0180] [0.0225] [0.0347]

Observations 147430 147430 147430 147430 147430 147430 147430 147430

R-squared 0.138 0.18 0.189 0.203 0.161 0.197 0.205 0.216

59

表6-6：製造業廠商勞動生產力之估計結果(僅含控制產業、年份之模型)

方程式 (1) (2) (3) (4) (5) (6) (7) (8)

解釋變數 lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL lnAVL

lnKL 0.215*** 0.198*** 0.199*** 0.197*** 0.195*** 0.194*** 0.191*** 0.186***

[0.00183] [0.00181] [0.00182] [0.00181] [0.00180] [0.00180] [0.00178] [0.00177]

lnFL_L2 -0.111*** -0.126*** -0.125*** -0.0505*** -0.0460*** -0.0380*** -0.0376*** -0.0347***

[0.00238] [0.00234] [0.00234] [0.00396] [0.00395] [0.00396] [0.00395] [0.00393]

fl_emp 0.464*** 0.469*** 0.316*** 0.313*** 0.302*** 0.301*** 0.305***

[0.0119] [0.0119] [0.0129] [0.0129] [0.0128] [0.0128] [0.0128]

ex_fl -0.0392*** -0.0406*** -0.0306*** -0.0305*** -0.0309*** -0.0290*** -0.0302***

[0.0101] [0.0101] [0.00984] [0.00983] [0.00977] [0.00976] [0.00972]

info_elec_fl 0.0434** 0.0456** 0.0380* 0.0358* 0.0279 0.0233 0.0254 [0.0204] [0.0204] [0.0201] [0.0200] [0.0200] [0.0199] [0.0198]

metal_fl -0.0675*** -0.0645*** -0.0542*** -0.0565*** -0.0531*** -0.0519*** -0.0586***

[0.0122] [0.0122] [0.0120] [0.0120] [0.0119] [0.0119] [0.0118]

chemical_fl -0.0414*** -0.0419*** -0.0323** -0.0342** -0.0316** -0.0340** -0.0382***

[0.0141] [0.0141] [0.0138] [0.0138] [0.0137] [0.0136] [0.0136]

lnAGE -0.0486*** -0.0500*** -0.0516*** -0.0254*** -0.0239*** -0.0233***

[0.00337] [0.00337] [0.00338] [0.00349] [0.00349] [0.00349]

small_firm -0.116*** -0.110*** -0.103*** -0.103*** -0.104***

[0.00655] [0.00659] [0.00659] [0.00658] [0.00656]

large_firm 0.180*** 0.178*** 0.171*** 0.176*** 0.173***

[0.00600] [0.00600] [0.00597] [0.00596] [0.00593]

wdispersion -0.187*** -0.175*** -0.166*** -0.131***

[0.0149] [0.0149] [0.0148] [0.0147]

age3055r -0.149*** -0.122*** -0.0864***

[0.0106] [0.0107] [0.0107]

age55r -0.470*** -0.444*** -0.373***

[0.0155] [0.0156] [0.0160]

avg_male 0.198*** 0.180***

[0.0102] [0.0101]

Constant 4.683*** 4.726*** 4.844*** 5.033*** 5.116*** 5.249*** 5.131*** 4.606***

[0.0182] [0.0180] [0.0196] [0.0217] [0.0225] [0.0238] [0.0250] [0.0347]

Observations 147430 147430 147430 147430 147430 147430 147430 147430

R-squared 0.161 0.197 0.199 0.204 0.205 0.21 0.212 0.216

60